如何在tensorflow中使用feed_dict传递多个输入

Question

我有一个由多个子网络组成的网络（多个卷积网络和最后一个完全连接的+ softmax层）。 每个ConvNet都使用特定区域和图像大小进行馈送。 因此，为了馈送我的网络，我为每个convnet输入编写了图像占位符，并为每个批次中所有图像的标签提供了一个标签占位符（所有convnet输入中的所有输入图像具有相同的标签）。 不幸的是，我对feed_dict部分没有任何想法。 例如，此代码仅用于单个convnet训练：

    images_r, labels_r = sess.run([images, labels])
    train_feed = {images_placeholder: images_r,
              labels_placeholder: labels_r}
    _, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)

我该如何扩展上面的代码以满足所有卷积网络的需求？

- hajbabaeim

---

我不确定我理解你的问题是否正确。 您的网络有多个输入点吗？如果是这样，在每个训练步骤中，您需要为所有这些输入点提供输入吗？ - GPhilo

Answer 1

因此，针对每个conv网络，如果输入的placeholders为：conv_1_input，conv_2_input.... conv_N_input，那么您可以将列表传递到feed_dict中，如下所示：

train_feed = {`conv_1_input`: image_1, `conv_2_input`: image_2,.. `conv_N_input`: image_N,
          labels_placeholder: labels_r}
_, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)

- V.M

---

使用此方法后，我遇到了以下错误： TypeError: 无法将feed_dict键解释为Tensor：无法将函数转换为Tensor。 - hajbabaeim

变量 conv_1_input 和 conv_2_input 应该是张量，但错误提示它们不是。 - Vijay Mariappan

Answer 2

你应该在计算图内分割/切片你的图像，并使用单个输入。

- nttstar

---

很不幸，我的所有补丁（来自原始图像）并没有完全相同的特征，并且我是根据一些地标从原始图像中提取它们的。（例如，假设我们有一个人脸的原始图像，我的地标是眼睛中心的5个点，鼻尖和嘴角）。 因此，我必须使用提取的补丁来馈送所有相关的feed_dict。 - hajbabaeim